Framework para el modelado de Interacciones Humano-Robot basadas en aprendizaje no supervisado

  1. Rafael Ramón-Vigo 1
  2. Luis Merino 1
  3. Fernando Caballero 2
  1. 1 Universidad Pablo de Olavide
    info

    Universidad Pablo de Olavide

    Sevilla, España

    ROR https://ror.org/02z749649

  2. 2 Universidad de Sevilla
    info

    Universidad de Sevilla

    Sevilla, España

    ROR https://ror.org/03yxnpp24

Buch:
Actas de las XXXVII Jornadas de Automática: Madrid. 7, 8 y 9 de septiembre de 2016

Verlag: Servizo de Publicacións ; Universidade da Coruña ; Comité Español de Automática

ISBN: 978-84-9749-808-1

Datum der Publikation: 2016

Seiten: 840-847

Kongress: Jornadas de Automática (37. 2016. Madrid)

Art: Konferenz-Beitrag

Zusammenfassung

En el presente trabajo se propone un marco de referencia para el aprendizaje de interacciones entre personas y robots, basado en el uso conjunto de una técnica de aprendizaje sin supervisión y de un planificador de muestreo de configuraciones. Particularmente, se hace uso de los Modelos Mixtos Gausianos (GMMs en inglés) para modelar la interacción física de un robot y de una persona cuando este robot es teleoperado por alguien experto. De este modo, distintos comportamientos tales como evitar, acercarse o seguir a una persona pueden ser fácilmente derivados e incluso combinados gracias a las propiedades de las GMM. Los modelos aprendidos se integran en un planificador basado en muestreo, un RRT*, bajo dos preceptos: primero, como una funci on de costes que permita ponderar el espacio de estados del robot como más afín a los comportamientos aprendidos y segundo, como sesgo del muestreo para descartar aquellas zonas menos probables según se haya concluido de las demostraciones. El algoritmo se ha probado exitosamente en el laboratorio usando un robot real y las trayectorias provistas por un experto.